首页 专利交易 科技果 科技人才 科技服务 国际服务 商标交易 会员权益 IP管家助手 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索

非高斯噪声下的通信干扰信号功率估计方法和装置 

买专利卖专利找龙图腾,真高效! 查专利查商标用IPTOP,全免费!专利年费监控用IP管家,真方便!

申请/专利权人:中国电子科技集团公司第三十六研究所

摘要:本申请公开了一种非高斯噪声下的通信干扰信号功率估计方法和装置。所述方法包括:对待估计的通信干扰信号使用加权myriad滤波器抑制非高斯噪声,得到噪声抑制后的信号数据;对噪声抑制后的信号数据计算协方差矩阵,奇异值分解所述协方差矩阵得到所述协方差矩阵的奇异值矩阵;从所述奇异值矩阵的对角线上提取表征信号功率的对角线元素;将所述对角线元素输入事先训练好的深度Resnet网络,利用所述训练好的深度Resnet网络估计所述通信干扰信号的功率估计值。通过仿真实验验证,当广义干噪比高于0dB时,本申请方案的功率估计均方误差均能达到1×10‑4以下,不仅可以实现低广义干燥比下非高斯噪声环境的通信干扰信号的功率估计,而且效果较好。

主权项:1.一种非高斯噪声下的通信干扰信号功率估计方法,其特征在于,包括:对待估计的通信干扰信号使用加权myriad滤波器抑制非高斯噪声,得到噪声抑制后的信号数据;对所述噪声抑制后的信号数据计算协方差矩阵,奇异值分解所述协方差矩阵得到所述协方差矩阵的奇异值矩阵;从所述奇异值矩阵的对角线上提取表征信号功率的对角线元素;将所述对角线元素输入事先训练好的深度Resnet网络,利用所述训练好的深度Resnet网络估计所述通信干扰信号的功率估计值;其中,所述训练好的深度Resnet网络是基于多个数据样本训练得到,每个数据样本对应一个通信干扰信号样本的所述对角线元素和真实的功率值,将多个数据样本的所述对角线元素作为网络训练输入数据,将对应的真实的功率值作为网络训练标签,训练事先构建的深度Resnet网络直至收敛;其中,所述对待估计的通信干扰信号使用加权myriad滤波器抑制非高斯噪声得到噪声抑制后的信号数据,包括:将使代价函数最小的观测值作为所述加权myriad滤波器输出的粗略估计值;以所述粗略估计值为初始值,进行多次迭代,将多次迭代后所得估计值作为所述加权myriad滤波器的最终输出;以及,通过平均绝对误差最小的自适应方法计算所述加权myriad滤波器的权值,对所述代价函数关于权值变量求导并令其为0计算所述权值的最优值;其中,所述对所述噪声抑制后的信号数据计算协方差矩阵,奇异值分解所述协方差矩阵得到所述协方差矩阵的奇异值矩阵包括:结合计算协方差公式及信号样本个数得到所述噪声抑制后的信号数据的协方差矩阵,所述协方差矩阵表示为: 其中,covi,j表示第i个和第j个样本的协方差,两个特征向量X,Y协方差的计算公式为:利用奇异值公式A=UΣVT对所述协方差矩阵C进行奇异值分解,其中A是一个m×n的矩阵,对应奇异值分解后的所述协方差矩阵C;U是维度为m×m的矩阵,V是n×n维的矩阵,U和V满足UTU=I,VTV=I;Σ是m×n的矩阵,对应所述协方差矩阵C的奇异值矩阵,其对角线上的每个元素都称为奇异值,对角线之外的其他元素均为0。

全文数据:

权利要求:

百度查询: 中国电子科技集团公司第三十六研究所 非高斯噪声下的通信干扰信号功率估计方法和装置

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。